基于专家场框架的图像建模及遥感图像处理应用

《基于专家场框架的图像建模及遥感图像处理应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、密级：垒珏中国科学院大学Universi竹ofChineseAcademyofSciences博士学位论文基王童塞扬框塑的图像建攫厘遥壁图像处理廑盈作者姓名：指导教师：学位类别：学科专业：研究所：夔靛越割麈生班冠虽生巨型堂瞳堡盛皇堑主丝蔓班塞压王兰】垦±信呈复信星熊翌生垦抖堂随墨盛皇塾主些墼班殛匮2叭3年5月里Q星至!=垒蛩曼l登里Q!=k堡垒墨皇dHigh．orderMarkovB垒望堕Q磐至堇皇!亟曼1．o!=基星堡Q!曼S曼塾墨i望g亘磐垒g皇里!=Q￡星墨璺i坠gBvVJingboWeiADissertation／ThesisSubmittedtoTheUniversi略ofCh

2、ineseAcademyofSciencesInpartialfuUmmentoftherequirementF0rthedegreeOfDoctorofEn酉neeringInstituteofRemoteSensingandDigitalEarth，ChineseAcademyofSciences(CAS)May2013舢5舢2Ⅲm1舢2删8删3洲Z舢y中国科学院大学直属院系研究生学位论文原创性声明本人郑重声明：所呈交的学位论文是本人在导师的指导下独立进行研究工作所取得的成果。尽我所知，除文中已经注明引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写过的研究成果。对论文所涉及

3、的研究工作做出贡献的其他个人和集体，均己在文中以明确方式标明或致谢。学位论文作者签名：煳没2纩j多年6月二f日学位论文授权使用声明本人完全了解并同意遵守中国科学院有关保存和使用学位论文的规定，即中国科学院有权保留送交学位论文的副本，允许该论文被查阅，可以公布该论文的全部或部分内容，可以采用影印、缩印或其他复制手段保存、汇编本学位论文。涉密的学位论文在解密后适用本声明。签名：继这导师签名如lj年6艮摘要图像模型是图像处理中的基础问题。在图像处理的各个领域，如图像复原、图像分割、图像重建等，模型扮演了重要的角色，对成像原因、成像过程、成像特征等各个环节进行描述。这其中，反映成像特征的先验描述

4、模型对于图像复原中的规整化方法起到了重要作用。马尔可夫随机场模型就是这样一个反映图像先验信息的概率统计模型，图像随机场的马尔可夫性约束使其可用于反映观测图像的局部信息统计。相比低阶马尔可夫随机场模型，高阶马尔可夫随机场模型将单一的梯度信息由数量更多、尺寸更大的卷积结果代替，可以在更大的范围上考察每个像元的邻域，提高了描述的准确性。针对低阶模型的研究从1974年开始已经了较长的时间，而针对高阶模型的研究开展的时间不长，所得到的成果也很有限。此外，由于现有高阶模型设计上的不足，基于高阶马尔可夫随机场模型进行遥感图像处理的研究尚未展开。基于此，本文进行了这方面的研究，在专家场模型框架的基础上，

5、一方面设计先验描述能力更好、更容易使用的高阶马尔可夫随机场模型，另一方面研究如何结合新模型进行遥感图像处理，从不同的出发点改进相关应用领域的不足。本文首先进行了高阶马尔可夫随机场模型的设计，提出了一种新的高阶马尔可夫随机场模型一一GFoE模型(GaborFieldsofEXp眺，Gabor-FOE，简写为GFoE)。新模型沿用了较新FoE(专家场)模型的框架，但是引入了过完备表达图像通用先验信息的思想，对滤波器形式、位势函数形式、参数学习方法等进行了重新设计。在滤波器设计上，本文提出了使用零均值Gabor滤波器作为高阶模型滤波器，其所具有的尖峰重尾特性符合模型要求，而多尺度、多方向的完备

6、性也适宜于对遥感图像而不是纹理图像或补丁图像建模。在位势函数设计上，本文使用了高斯尺度混合模型作为专家函数，其已经被证明是目前对超高斯分布的拟合能力最好的先验模型。而在模型参数确定问题上，面对数量众多的高斯函数参数，本文提出了使用逐步逼近的粒子群优化算法来学习模型参数。相关实验证明零均值Gabor滤波器对于纹理图像、自然影像和遥感影像都能得到突出的尖峰重尾统计分布，参数确定算法可以在很短时间内确定模型参数，而且极小的拟合误差使得高斯尺度混合模型的应用合理性得到验证。基于新设计的GFoE模型，本文进行了遥感图像处理的相关研究，包括去噪、去坏线、去薄云，这弥补了高阶模型在遥感图像处理上的应用

7、空白。基于最大后验概率准则(MAP)，求解可以转变为一个规整化问题，并可以使用梯度上升法和Gibbs采样器进行优化。在去噪、去坏线、去薄云的处理过程中，本文推导了不同的梯度上升迭代公式。直接使用新模型进行的去噪结果反映出新的高阶模型能够得到很好的遥感去噪效果，而之前高阶模型中性能最好的FoE模型几乎无法应用于遥感图像处理。在去坏线方法中，基于新模型的无参考图像坏线修复方法比插值结果具有更高的可信度和更好的视觉效果，最大能够修复3—5